AI硬件的理性泡沫与星辰大海(34页报告)

我爱免费

作者：微信文章
如需报告请联系客服或扫码获取更多报告



一、当前 AI 发展阶段与互联网泡沫时期不同

（一）当前 AI 产业发展阶段与互联网泡沫时期不同

1.回顾 2000s 互 联网泡沫

1990s 互联网技术兴起是一次重大的技术革命，从根本上重构了人类的信息传播方式、生产协作模式和社会运转逻辑。与之对应，互联网产业投资也形成了科技产业投资历史上一轮巨大的泡沫。

1995 年-2000 年互联网泡沫逐步形成，其中 1998 年-2000 年为泡沫鼎盛时期；2000 年-2003 年互联网泡沫破裂。以纳斯达克指数作为衡量指标，指数从 1995 年的 1000 点左右涨到 2000 年顶峰5049 点，5 年翻 5 倍；随后泡沫破裂，到 2003 年最低跌到 1866 点，跌幅达 63%。纳斯达克指数市盈率从 1995 年初约 10×飙升至 2000 年顶峰时期的 175×左右，2003 年跌回 20×左右。



2.当前 AI 产业所处阶段

纵观科技产业发展历史，深度学习技术无疑也是一次重大的技术革命，它让机器具备了“从数据中学习”的能力，这是人类科技史上首次实现非生物系统的“自主学习与进化”。人工智能（AI）的发展将是一次生产力革命——它提升了人类处理复杂信息的效率，重构了产业分工，甚至改变了人类与技术的交互方式。在产业层面，AI 将重构全球科技竞争格局，催生新的经济增长引擎。



（二）硬件产业链：中场时刻，核心矛盾转向

在当前的 AI 热潮中，硬件产业链并非被动参与者，而是扮演着以下几个关键且矛盾的角色：1）AI 硬件既是 AI 模型跃 迁的驱动引擎，也 是技术瓶 颈：大模型质的飞跃，并非仅仅源于算法优化、数据规模和质量的飞跃，也源于是算力规模的指数级增长。每一次模型能力的提升，都建立在更强大的芯片、更高速的存储和更先进的封装技术之上。然而，先进制程接近物理极限，摩尔定律放缓、HBM 存储器成本较高、先进封装产能紧缺，共同构成了暂时难以大规模突破的物理天花板。



2）AI 硬件既是资本开支的主要承载者之一，也是供给瓶颈：科技巨头押注 AI，其战略直接体现为海量的硬件投资。IDC 数据显示，2024-2028 年期间，全球人工智能 IT 总投资规模将从 3158亿美元增长至 8159 亿美元，CAGR 为 26.8%，我国的人工智能总投资规模也将在 2028 年突破 1000亿美元。然而，无论是先进制程的 GPU 芯片、HBM 存储器、还是 CoWoS 封装产线，其产能爬坡、工厂建设、良率提升所需时间均以年为单位。因此，科技巨头们只能争夺目前有限的产能，从而推高了相关公司估值。

3）AI 硬件既是产能规划的超 前赌注，也是战略竞赛：当前，以 2nm 等先进制程节点为代表的晶圆厂建设，呈现出投资额巨大、规划超前、全球竞赛白热化的特征。根据 SEMI 数据，7nm 及以下的先进工艺产能将在 2024-2028 年间，从每月 85 万片晶圆增长至每月 140 万片晶圆，CAGR 为14%。目前，一座先进制程的现代化晶圆厂建设成本高企，可能达到 100-200 亿美元甚至更多。尽管存在泡沫化风险，但保障长期、稳定的产能供给是产业健康发展的底层要求，晶圆厂的扩张在客观上也扮演着为产业未来铺路的基石角色。



二、算力、存力供应持续紧张

（一）资本开支上涨导致算力需求持续，AI 军备竞赛如火如荼

AI 大模型的快速演进与广泛应用，已成为驱动人工智能算力需求增长的关键力量。为应对这一趋势，全球主要云端服务提供商（CSP）正持续加大在计算基础设施方面的投入。根据 TrendForce集邦咨询的研究，预计 2026 年在 GB/VR 等 AI 机柜方案持续放量下，八大 CSP 的总资本支出有望再创新高，年增达 24%，来到 6020 亿美元。支出结构已从能直接创造收益的设备，转向 Server、GPU 等资产，意味着巩固中长期竞争力与市占率优先于改善短期获利。

（二）国内算力奋起直追，政策支持国内 AI 芯片厂商成长

AI 芯片是算力产业的核心基础，为智能算法与各类应用场景提供关键计算支持。在服务器成本结构中，以 GPU 为代表的核心芯片占比高达 80%以上，实现 AI 芯片技术的自主可控对智算产业的长远发展具有战略意义，随着人工智能应用场景的持续扩展，市场对高性能 AI 芯片的需求显著提升。存算一体架构、光通信等前沿技术的突破，进一步推动了该领域的技术迭代与市场增长。2023年中国 AI 芯片市场规模约为 652 亿元，预计到 2026 年将突破 1600 亿元，行业快速增长。



（三）存储芯片周期持续上行，AI 为最重要推动力

存储行业的发展呈现出明显的周期性波动，目前已进入由人工智能驱动下一轮上行周期，本轮周期的核心驱动力发生了根本性转变。需求端的结构性变革是当前周期的突出特征。AI 服务器对存储芯片的容量和性能要求远超传统服务器，其 DRAM 用量约为普通服务器的 8 倍，NAND Flash 用量约为 3 倍。这直接引爆了对高带宽内存（HBM）、DDR5 内存及企业级固态硬盘（eSSD）等高性能产品的“吞噬式”需求。特别是 HBM，因其在 AI 训练和推理中的关键作用，需求呈现井喷之势，预计到 2027 年其在 DRAM 市场总价值中的占比将高达 43%。



需求端：AI 需求激增，HBM/DRAM/NAND 均受益本轮 周期爆发

2026 年 AI 芯片市场将呈现明显的技术分层格局。NVIDIA 凭借 Rubin 架构率先采用 HBM4（12-Hi 堆叠），成为 HBM4 时代的主要消费驱动者，其 Vera Rubin 平台预计在 2026 年第三或第四季度量产，FP4 推理算力达 3.6 Exaflops，相比 GB300 提升约 3.3 倍。与此同时，AMD、Google、AWS 等厂商则聚焦 HBM3e 市场：AMD 的 MI350 系列采用 HBM3e（12-Hi），容量达288GB；Google 的 TPU 产品线从 HBM2e 升级至 HBM3e，堆叠层数从 8-Hi 向 12-Hi 演进；AWS的 Trainium3 同样采用 HBM3e（12-Hi），单芯片提供 144GB 显存。这一技术分层反映了市场对总拥有成本（TCO）的考量，以及 AI 推理需求的持续增长，推动云服务提供商自研 ASIC 芯片在2026 年展现出更强的出货势头。

供给端：HBM 产品成产业争夺价值高地，产能扩张计划的差异将直接决定未来的市场格局

HBM（高带宽内存）已成为全球存储行业资本开支和产能扩张的绝对焦点。整个行业的主要增量资源将集中投向 HBM 领域，推动 HBM 在整体产能中的占比实现显著提升。在这一轮技术竞赛中，SK 海力士展现出最为激进的扩张姿态，计划在 2026 年将高达三分之一的总产能用于 HBM 生产，这一战略决策旨在巩固并扩大其在 HBM 市场的领先优势。面对 SK 海力士的强势领跑，美光通过近乎翻倍的 HBM 产能扩张，显示出其绝不甘心在这一高增长市场落后的决心，正全力追赶三星和 SK 海力士两大巨头。



三、PCB 产能扩张仍然理性

（一）短期 AI 带动 PCB 需求和公司估值快速提升

PCB 需求稳步上行，短期 供 需失衡容易引发结 构性行情。PCB 作为“电子产品之母”，下游应用涵盖数据通信、汽车、工业控制、消费电子等领域，主要集中在电子信息制造业。整体上看，受电子信息制造业需求带动，全球 PCB 产值呈现整体趋势向上，同时在全球电子信息制造业向中国大陆转移的背景下，中国大陆 PCB 产值占比逐渐提升，行业产能持续稳步扩张。回顾最近两轮 PCB行业周期，初始阶段均是下游需求短期内快速变化，引发该领域 PCB 需求出现快速增长，供给端产能扩张相对较慢，造成短期内 PCB 供需失衡。同时，PCB 行业技术壁垒偏低，细分领域需求高景气容易引发行业内公司竞相涌入，使得供需关系从短期的供不应求逐渐转向中长期的供过于求，导致产品价格持续下行。



（二）AI 商业化能否落地是关键

针对市场目前所担心的 AI 泡 沫，我们认为：1、AI 发展 仍处于早期阶段， 短期产业 链上下游仍将维持较快增长。从 PCB 下游需求看，全球云厂 商资本 支出维持较高增长；从 终端需 求看，美国头部互联网厂商财务状况相对健康，能够支持对 AI 领域 的高投入。2、中 长期 AI 是否能持续健康发展，主要取决于 AI 商业化 进程。

四、供给约束下硬件端泡沫化程度有限

总结而言，AI 产业链整体仍处于基础建设投资阶段，从主要投资方——全球八大云厂商的情况来看，预计 2026 年合计资本开支将超过其经营性净现金流，这意味着投资进一步加码将需要借助于外部债务融资等方式，因此市场对于“AI 泡沫”的担忧不无道理。但是借助于对硬件投资的核心环节算力、存储、PCB 领域的观察，由于适配于高性能计算的硬件供给本身难度较大，目前整体上仍处于供不应求的阶段，因此相对于充分供给下的“泡沫化”程度仍然有限，仍然预留有安全边际。诚然，能够最大程度消除人们对于“AI 泡沫”的担忧仍要来自于 AI 应用端的重大突破，这一时刻尚未到来。